Feel's blog

오늘은 MAB 알고리즘을 추천 시스템에 활용해 보는 방법에 대해 알아보겠습니다. 1. MAB란? 2. MAB 알고리즘 종류 2-1. epsilon greedy algorithm 2-2. UCB (Upper Confidence Bound) 2-3. Thompson Sampling 3. MAB를 이용한 추천 시스템 1. MAB란? MAB는 강화학습으로 분류되지는 않지만 해당 원리를 활용한 알고리즘으로 위의 그림과 같이 각 슬롯머신에서 얻을 수 있는 Reward의 확률이 모두 다른 여러 개의 슬롯머신을 의미합니다. MAB는 수익을 최대화하기 위해서 arm을 어떤 policy에 의해 당겨야 하는지를 결정하는 알고리즘입니다. MAB는 강화학습의 핵심 아이디어인 Exploitation(이용)과 Exploration..

학기를 시작하고 취업 준비를 시작하다 보니 포스팅에 속도가 줄어들게 되네요...ㅎ 그래도 공부한 내용들에 대해서 꾸준하게 기록해보도록 하겠습니다! 오늘 알아볼 내용은 토픽 모델링의 가장 대표적인 알고리즘인 잠재 디리클레 할당(Latent Dirichlet Allocation)인 LDA 알고리즘을 추천에 활용하는 방법입니다. 1. 디리클레 분포 2. LDA의 생성 과정 3. LDA를 추천에 적용 1. 디리클레 분포 토픽 모델링이란 문서의 집합에서 토픽을 추출하는 과정입니다. LDA는 다음과 같이 주어진 문서와 각 문서가 어떤 토픽을 가지는지 확률 모형을 통해 표현합니다. 여기서 말하는 확률 모형이 디리클레 분포입니다. 디리클레 분포란 연속 확률분포의 하나로 k차원의 실수 벡터 중 벡터의 요소가 양수이며 모..

안녕하세요! 오늘은 TF-IDF를 활용한 컨텐츠 기반 필터링에 대해 알아보겠습니다. 1. 컨텐츠 기반 필터링이란? 2. Item Profile 3. TF-IDF를 활용하는 방법 4. User Profile 5. Item Profile과 User Profile을 이용하여 추천 6. 컨텐츠 기반 필터링의 장단점 1. 컨텐츠 기반 필터링이란? 컨텐츠 기반 필터링이란 유저가 선호하는 아이템을 기반으로 해당 아이템과 유사한 아이템을 추천하는 것을 말합니다. 위의 그림을 보면, 유저가 "빨간 원"과 "빨간 삼각형"을 좋아한다고 했으면 이 유저에게 "주황 원"과 "빨간 사각형"을 추천해줍니다. 그 이유는 유저가 좋아하는 아이템을 통해 User Profile을 만들면 "빨간색", "삼각형", "원"이 나옵니다. 그래서..

안녕하세요! 최근에 추천 시스템을 공부하고 싶다는 생각이 들어 러닝스푼즈의 추천 시스템 강의를 무작정 신청했습니다! 추천 시스템에 대해 공부한 내용을 기록하기 전에 "왜" 추천 시스템에 대해 공부하고 싶어 졌는가에 대해 간단하게나마 적어보려 합니다. 유튜브를 보면서 어느 기업에서 추천 시스템을 처음 쓴지는 모르지만, 제가 제일 처음 추천 시스템을 접한 곳은 유튜브입니다. 유튜브를 보면서 "내가 원하는 것을 어떻게 알고 나에게 보여주는 거야?" 라는 생각을 항상 했습니다. 유튜브의 한 영상을 들어가서 보다 보면 계속 제 주의를 끄는 영상들이 보여줘서 그 영상을 누르게 만들고 시간 가는 줄 모르게 본 적이 한두 번이 아닙니다. 도대체 내가 재밌어 하는걸 어떻게 아는 건가라는 생각이 들었고 이 어떻게에 대한 ..